Eviews回归分析股权集中度、股权制衡度与公司绩效关系：中小板上市公司数据
本文深入分析了国内外关于股权结构与公司绩效的影响因素
Category Archives: 经济
R语言宏观经济学：IS-LM曲线可视化货币市场均衡
凯恩斯相关理论主要是美国20世纪30年代的经济危机而提出的，主张政府干预经济，实行宏观调控。
R语言神经网络模型预测多元时间序列数据可视化
多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题。
R语言单位根、协整关系Granger因果检验、RESET分析汇率在岸和离岸数据时间序列
单位根的随机性趋势与协整关系对实证分析中时间序列的影响是不容小觑的。
Eviews基于多元回归模型OLS的CPI影响因素分析
2015年以来，通货膨胀越来越成为我国的重要经济现象。
R语言逻辑回归Logistic选股因素模型交易策略及沪深300指数实证
本文以多因素模型在股票交易中的应用为背景，帮助客户针对Logistic选股模型的理论基础以及模型原理方面分析Logistic选股模型的可行性与稳定性。为保证模型的可靠和稳定，使用过去五年的历史数据来检测模型。
R语言无套利区间模型期货期现研究：正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
股指期货的套利交易有助于股指期货实现其价格发现以及风险规避的功能。
R语言两阶段最小二乘法2SLS回归、工具变量法分析股息收益、股权溢价和surfaces曲面图可视化
投资者最关心的两个问题就是收益率和股息，两者作为公司经营状况的两个重要方面，往往同时出现在投资报告中，二者之间具有较强的关联性。
MATLAB、R基于Copula方法和k-means聚类的股票选择研究上证A股数据
Copula方法是测度金融市场间尾部相关性比较有效的方法，而且可用于研究非正态、非线性以及尾部非对称等较复杂的相依特征关系。
R语言MCMC-GARCH、风险价值VaR模型股价波动分析上证指数时间序列
随着金融市场全球化的发展，金融产品逐渐受到越来越多的关注，而金融产品的风险度量成为投资者最关心的问题。
R语言自然语言处理NLP:文本挖掘情感分析上市公司文本信息知识发现可视化
情感分析，就是根据一段文本，分析其表达情感的技术。
Python、MATLAB股票投资：ARIMA模型最优的选股方案和投资组合方案与预测
基于当前统计的股票数据选择最优的选股方案和投资组合方案，以及预测股票价格未来一段时间的走向趋势以及波动程度，具有很大的实用价值
R语言DCC-GARCH模型对上证指数、印花税收入时间序列数据联动性预测可视化
普通的模型对于两个序列的波动分析一般是静态的，但是dcc-garch模型可以实现他们之间动态相关的波动分析
R语言、SPSS基于主成分分析PCA的中国城镇居民消费结构研究可视化分析
以全国31个省、市、自治区的城镇居民家庭平均每人全年消费性支出的食品、衣着、居住、家庭设备用品及服务、医疗保健、交通与通讯、娱乐教育文化服务、其它商品和服务等 8 个指标数据为依据
Python用逻辑回归、决策树、SVM、XGBoost 算法机器学习预测用户信贷行为数据分析报告
摘要:此报告首先将dataset进行数据清洗，得到dataset_new。
R语言随机波动模型SV：马尔可夫蒙特卡罗法MCMC、正则化广义矩估计GMM和准最大似然估计QMLE上证指数收益时间序列
本文做SV模型，选取马尔可夫蒙特卡罗法(MCMC)、正则化广义矩估计法和准最大似然估计法估计。
python用回归、arima、随机森林、GARCH模型分析国债期货波动性、收益率、价格预测
让个人购买人员了解美国国债期货的特性，以便于进行个人投资及管理。
R语言EG(Engle-Granger)两步法协整检验、RESET、格兰杰因果检验、VAR模型分析消费者价格指数CPI和生产者价格指数PPI时间序列关系
作为衡量通货膨胀的基本指标，消费者价格指数CPI和生产者价格指数PPI的作用关系与传导机制一直是宏观经济研究的核心问题。
R语言稀疏主成分分析SparsePCA、因子分析、KMO和Bartlett球度检验分析上市公司财务指标数据
我们和一位客户讨论过如何在R软件中实现稀疏主成分分析。
R语言GARCH族模型：正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数
我们和一位客户讨论如何在R软件中处理GARCH族模型。
R语言代做编程辅导COMP 226: Computer-based trading in financial markets（附答案）
Limit Order Book Pricer
SQL Server聚类数据挖掘信用卡客户可视化分析
在信用卡分析时，我们向客户演示了用SQL Server的数据挖掘算法可以提供的内容。
R语言多元（多变量）GARCH ：GO-GARCH、BEKK、DCC-GARCH和CCC-GARCH模型和可视化
从Engle在1982发表自回归条件异方差(ARCH)模型的论文以来，金融时间序列数据的波动性就倍受关注。
MATLAB用GARCH-EVT-Copula模型VaR预测分析股票投资组合
最近我们被客户要求撰写关于投资组合的研究报告，引入Copula来描述多只股票间的非线性相关性，构建多元GARCH-EVT-Copula模型来度量开放式基金的风险，并与其他VaR估计方法的预测结果进行比较。
R语言用CPV模型的房地产信贷信用风险的度量和预测
本文基于 CPV 模型, 对房地产信贷风险进行了度量与预测。
R语言非参数PDF和CDF估计、非参数分位数回归分析间歇泉、GDP增长数据
在应用的设置中，我们经常遇到分类数据类型和连续数据类型的组合。
R语言金融市场量化交易：布林带、价差策略、RSI交易策略，回测COMP 226
我们将利用每日数据制定简单的交易策略 我们将涵盖以下内容。
数据分享|基于Python、Hadoop零售交易数据的Spark数据处理与Echarts可视化分析
案例数据集是在线零售业务的交易数据，采用Python为编程语言，采用Hadoop存储数据，采用Spark对数据进行处理分析，并使用Echarts做数据可视化。
python岭回归、Lasso、随机森林、XGBoost、Keras神经网络、kmeans聚类链家租房数据地理可视化分析
最近我们被客户要求撰写关于租房数据分析的研究报告。利用 python 爬取链家网公开的租房数据
R语言ECM误差修正模型、均衡修正模型、受限VECM、协整检验、单位根检验即期利率市场数据
传统上，协整的测试是在非常长的时间内进行的，本案例研究A测试了1960-2010年期间T-Bill利率和国债收益率之间的平衡。
美光科技股票基本分析：经济背景、行业分析财政状况（盈利、EBITDA、PP&E、D&A等）预测计算DCF
本文收集信息和数据，从多方面评估分析美光科技的市场走向，商业前景。
数据分享|WEKA用决策树、随机森林、支持向量机SVM、朴素贝叶斯、逻辑回归信贷违约预测报告
数据变得越来越重要，其核心应用“预测”也成为互联网行业以及产业变革的重要力量。
python可视化探索新冠疫情病毒与失业率是否存在线性关系
2020年疫情愈演愈烈，新冠的检测与确诊人数也急剧上飙，失控的疫情无疑给经济造成了巨大的打击，同时也极大的影响了就业市场。
Python用RNN神经网络LSTM优化EMD经验模态分解交易策略的股票价格MACD分析
预测股票价格，并在合适的时间产生交易策略实现收益，一直是一个热门的问题，到现在为止也提出了很多预测方法。
R语言多元线性回归、ARIMA分析美国不同候选人对经济GDP时间序列影响
近段时间，美国总统大选引起了世界各国的关注。
Matlab用回归、SEIRD模型、聚类预测美国总统大选、新冠疫情对中美经济的影响
WeChat Tencent QQ email print 由Haoran Chen撰写 对于两人竞选，因为对
基于简化的评分卡、Smote采样和随机森林的信贷违约预测
随着互联网经济的迅猛发展，个人信贷规模在近年来呈现了爆炸式增长。
SPSS用KMEANS(K均值)、两阶段聚类、RFM模型在P2P网络金融研究借款人、出款人行为数据规律
随着P2P网络金融平台的交易量的激增，其交易数据不能得到充分有效地利用。
Eviews用向量自回归模型VAR实证分析公路交通通车里程与经济发展GDP协整关系时间序列数据和脉冲响应可视化
河源市是国务院1988年1月7日批准设立的地级市，为了深入研究河源市公路交通与经济发展的关系，本文选取了1988－2014年河源市建市以来24年的地区生产总值（GDP）和公路通车里程（GL）的时间序列数据。
R语言广义矩量法GMM和广义经验似然GEL估计ARMA、CAPM模型分析股票收益时间序列
本文展示了如何通过矩量的广义方法和广义经验似然来估计模型。
R语言VaR市场风险计算方法与回测、用Logit逻辑回归、Probit模型信用风险与分类模型
市场风险指的是由金融市场中资产的价格下跌或价格波动增加所导致的可能损失。
R语言主成分pca、因子分析、聚类对地区经济研究分析重庆市经济指标
建立重庆市经济指标发展体系，以重庆市一小时经济圈作为样本，运用因子分析方法进行实证分析
Python用ARIMA ，ARIMAX预测商店商品销售需求时间序列数据
本文在相对简单的数据集上探索不同的时间序列技术。
Matlab随机波动率SV、GARCH用MCMC马尔可夫链蒙特卡罗方法分析汇率时间序列
波动率是一个重要的概念，在金融和交易中有许多应用。它是期权定价的基础。波动率还可以让您确定资产配置并计算投资组合的风险价值 (VaR)。
R语言用隐马尔可夫Profile HMM模型进行生物序列分析和模拟可视化
本文开发和应用用于生物序列分析的隐马尔可夫模型和HMM。
Matlab用向量误差修正VECM模型蒙特卡洛Monte Carlo预测债券利率时间序列和MMSE 预测
此示例说明如何从 VEC( q ) 模型生成 Monte Carlo 预测。
R语言和Python对copula模型Gaussian、t、Clayton 和Gumbel族可视化理论概念和文献计量使用情况
本文包含一些直观的示例来说明 copula 理论的核心概念。
Python 用几何布朗运动模型和蒙特卡罗Monte Carlo随机过程模拟股票价格可视化分析耐克NKE股价时间序列数据
金融资产/证券已使用多种技术进行建模。
R语言隐马尔可夫模型HMM连续序列重要性重抽样CSIR估计随机波动率模型SV分析股票收益率时间序列
在本笔记本中，我们向读者介绍了基本的随机波动率模型，并通过连续顺序重要性重采样讨论了它们的估计。我们使用收益率数据集来讨论 CSIR 在随机波动率模型估计中的实现和性能。
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
该项目包括：自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。
R语言极值理论：希尔HILL统计量尾部指数参数估计可视化
极值理论对样本尾部分布的极值指数的估计方法主要有两类：半参数方法和全 参数方法，前者主要是基于分布尾部的 Hill 估计量，后者则主要基于广义帕累托分布。
R语言GARCH模型对股市sp500收益率bootstrap、滚动估计预测VaR、拟合诊断和蒙特卡罗模拟可视化
Box 等人的开创性工作(1994) 在自回归移动平均模型领域的相关工作为波动率建模领域的相关工作铺平了道路，分别由 Engle (1982) 和 Bollerslev (1986) 引入了 ARCH 和 GARCH 模型。
Python银行机器学习:回归、随机森林、KNN近邻、决策树、高斯朴素贝叶斯、支持向量机svm分析营销活动数据
该数据与银行机构的直接营销活动相关，营销活动基于电话。
【视频讲解】R语言结构方程模型SEM分析心理学和营销研究数据路径图可视化
结构方程建模 (SEM) 是一种全面而灵活的方法，包括在假设模型中研究变量之间的关系。
Python信贷风控模型：梯度提升Adaboost,XGBoost,SGD, GBOOST, SVC,随机森林, KNN预测金融信贷违约支付和模型优化
在此数据集中，我们必须预测信贷的违约支付，并找出哪些变量是违约支付的最强预测因子？
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率
当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。
R语言用回归构建配对交易策略量化模型分析股票收益和价格
对于那些不熟悉“配对交易”概念的人来说几句话。
R语言和Python用泊松过程扩展：霍克斯过程Hawkes Processes分析比特币交易数据订单到达自激过程时间序列
本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。
R语言指数加权模型EWMA预测股市多变量波动率时间序列
从广义上讲，复杂的模型可以实现很高的预测准确性。
R语言Copula模型分析股票市场板块相关性结构
这篇文章是关于 copulas 和重尾的。
R语言ARMA GARCH COPULA模型拟合股票收益率时间序列和模拟可视化
最近我们被客户要求撰写关于股票收益率时间序列的研究报告，包括一些图形和统计输出。在本文中，我们展示了 copula GARCH 方法拟合模拟数据和股票数据并进行可视化。
R语言向量自回归VAR的迭代多元预测估计 GDP 增长率时间序列
VARs的结构也允许联合检验多个方程的限制。
Python用Markowitz有效边界构建最优投资组合可视化分析四只股票
在这篇文章中，我想介绍 现代 投 资组合理论 (MPT)_、 _有效边界 以及它对投资组合构建的一些影响。
R语言多变量广义正交GARCH（GO-GARCH）模型对股市高维波动率时间序列拟合预测
在多变量波动率预测中，我们有时会看到对少数主成分驱动的协方差矩阵建模，而不是完整的股票。
R语言样条曲线分段线性回归模型piecewise regression估计个股beta值分析收益率数据
一只 股票的_beta_值通常意味着它与市场的关系，当市场变动 1%时，我们期望股票会发生多少百分比的变动。
R语言用收缩估计Shrinkage股票beta系数回归分析Microsoft收益率风险
配对交易提出的问题之一是股票的贝塔值相对于市场的不稳定估计。
